Eduardo Silva 建立 AI 價格監測器,商品降價時透過 Telegram 通知
Montei um monitor de preços com IA que me avisa quando o que eu quero baixa de preço
Eduardo Silva 示範以 Playwright 載入商品頁,再用大語言模型從 HTML 擷取價格,並透過 Telegram 在降價時通知。價格與日期存入 SQLite,價格下跌或低於自訂門檻時發出通知,並以 cron 每日執行。作者建議先查 robots.txt、避免密集請求,並在有官方 API 時優先使用。
Montei um monitor de preços com IA que me avisa quando o que eu quero baixa de preço
Tem uns meses que eu ando de olho em alguns produtos — um equipamento específico, um livro, um item de hardware — esperando o preço cair antes de comprar. Eu já tentei usar aqueles sites de "alerta de preço" genéricos, mas a maioria é lenta, cheia de anúncio, ou simplesmente não cobre a loja que eu quero acompanhar. Resolvi fazer o meu próprio, rodando num script simples, com um toque de IA pra resolver o problema mais chato desse tipo de automação: páginas que mudam de layout sem avisar.
Esse não é um projeto corporativo nem envolve nada do meu trabalho — é só um script pessoal que qualquer um pode replicar em casa, com qualquer loja pública que você queira acompanhar.
O problema de monitorar preço "na mão"
A ideia óbvia é: escrever um script que abre a página do produto, acha o preço no HTML e compara com o valor salvo anteriormente. Simples — até a loja trocar o CSS da página, ou colocar o preço dentro de um componente JavaScript que só renderiza depois de carregar, ou separar "preço de/por" em dois elementos diferentes. Todo scraper baseado em seletor fixo (span.price, div#final-price etc.) quebra silenciosamente quando isso acontece, e você só percebe quando olha o histórico e vê um buraco de duas semanas sem dados.
Antes de qualquer coisa, porém, vale lembrar que coletar preço de página pública tem limites éticos e técnicos que valem a pena respeitar mesmo num projeto pessoal pequeno: checar o robots.txt do site, não martelar o servidor com requisições em sequência, e preferir uma API oficial quando ela existir.[2] Na prática, isso significa rodar a checagem uma vez por dia (não a cada minuto) e usar um único user-agent identificável.
Passo 1 — Renderizar a página de verdade
Muita loja só preenche o preço via JavaScript depois do carregamento inicial, então um simples requests.get() traz uma página "vazia" sem o número que eu quero. A solução é usar um navegador headless controlado pelo Playwright, que executa o JavaScript da página antes de eu ler o conteúdo:
from playwright.sync_api import sync_playwright
def carregar_html(url: str) -> str:
with sync_playwright() as pw:
browser = pw.chromium.launch(headless=True)
context = browser.new_context(
user_agent="MonitorDePrecos-Pessoal/1.0 (+contato@exemplo.com)"
)
page = context.new_page()
page.goto(url, wait_until="networkidle", timeout=20_000)
html = page.content()
browser.close()
return html
Isso resolve o problema do JavaScript, mas ainda não resolve o problema de "onde está o preço dentro desse HTML gigante" — e é aqui que entra a parte interessante.
Passo 2 — Deixar a IA achar o preço, não um seletor fixo
Em vez de caçar o seletor CSS exato de cada loja (e ter que corrigir o script toda vez que o site muda o layout), eu mando o HTML relevante pra um modelo de linguagem com uma instrução direta e peço só o número de volta, em formato estruturado:
import json
def extrair_preco_com_ia(html_resumido: str, nome_produto: str) -> float | None:
prompt = f"""
Você vai receber um trecho de HTML de uma página de produto.
Produto esperado: "{nome_produto}".
Extraia APENAS o preço atual de venda (não o preço "de", não frete).
Responda em JSON: {{"preco": <número ou null>}}
HTML:
{html_resumido[:8000]}
"""
resposta = chamar_llm(prompt) # qualquer cliente de API de LLM
dado = json.loads(resposta)
return dado.get("preco")
Na prática eu limpo o HTML antes (removo <script>, <style>, menus e rodapé) pra caber num prompt pequeno e barato — um produto por chamada custa centavos. A vantagem real: se a loja trocar o layout, o script continua funcionando, porque a IA está lendo o texto visível, não uma estrutura de tags fixa. Essa abordagem de localizar o elemento de preço em meio a ruído de página é exatamente o tipo de problema que scrapers tradicionais resolvem com seletores CSS cuidadosamente ajustados;[3] a diferença é que aqui deixo o modelo fazer esse ajuste fino automaticamente, sem eu precisar reabrir o DevTools cada vez que algo muda.
Passo 3 — Guardar o histórico e comparar
Um SQLite simples guarda produto, data e preço. Nada sofisticado:
import sqlite3
from datetime import datetime
con = sqlite3.connect("precos.db")
con.execute("""
CREATE TABLE IF NOT EXISTS precos (
produto TEXT, url TEXT, preco REAL, data TEXT
)
""")
def salvar_preco(produto, url, preco):
con.execute(
"INSERT INTO precos VALUES (?, ?, ?, ?)",
(produto, url, preco, datetime.utcnow().isoformat())
)
con.commit()
def ultimo_preco(produto):
cur = con.execute(
"SELECT preco FROM precos WHERE produto=? ORDER BY data DESC LIMIT 1",
(produto,)
)
row = cur.fetchone()
return row[0] if row else None
A cada execução eu comparo o preço novo com o último salvo. Se caiu (ou ficou abaixo de um limite que eu defini pra aquele produto), disparo o alerta.
Passo 4 — Avisar no Telegram
Um bot do Telegram resolve a notificação sem precisar de nenhum serviço pago. Basta criar o bot com o @BotFather, pegar o token e chamar o endpoint sendMessage:
import requests
TOKEN = "SEU_TOKEN_AQUI"
def notificar(texto: str, chat_id: str):
url = f"https://api.telegram.org/bot{TOKEN}/sendMessage"
payload = {"chat_id": chat_id, "text": texto, "parse_mode": "HTML"}
resposta = requests.post(url, json=payload, timeout=10).json()
if not resposta.get("ok"):
raise RuntimeError(resposta.get("description"))
A chamada exige só chat_id e text — nada de biblioteca extra, é uma requisição HTTP comum.[1] Cada queda de preço detectada gera uma mensagem tipo "📉 Produto X caiu de R$ 420 para R$ 349 — 17% de desconto".
Passo 5 — Agendar e esquecer
Com tudo isso num único script, resta agendar a execução. No Linux/WSL, um cron simples basta:
# todo dia às 9h da manhã
0 9 * * * /usr/bin/python3 /home/usuario/monitor_precos/rodar.py >> /home/usuario/monitor_precos/log.txt 2>&1
Uma vez por dia é suficiente pra esse tipo de monitoramento pessoal — não há motivo pra rodar de hora em hora, e rodar menos também reduz qualquer impacto no site monitorado.[2]
O que eu aprendi
O ganho real não foi "economizar dinheiro" (embora tenha economizado em uma compra) — foi perceber que o padrão "IA extrai o dado de um conteúdo não estruturado, código tradicional guarda/compara/decide" é muito mais robusto que tentar automatizar tudo com regras fixas. Pra qualquer automação pessoal que lide com páginas web que mudam (preço, disponibilidade de produto, status de entrega), vale a pena pensar nessa divisão: deixe a IA interpretar o texto solto, e deixe código determinístico cuidar da lógica de decisão e do histórico.
📚 Recursos recomendados
- Cointeligência: A vida e o trabalho com IA — ótimo pra quem quer ir além do "copiar e colar prompt" e pensar como integrar IA de forma estruturada no dia a dia, exatamente o espírito desse tipo de projeto pessoal.[4]
Sources
[1] https://telegram-bot-api.info/guides/telegram-bot-send-message.html — Telegram Bot API - sendMessage guide
[2] https://pricemark.io/pt/blog/web-scraping-ethics-legality — Web scraping de preços: ética e legalidade
[3] https://www.joinmassive.com/blog/price-scraping-python — How to Scrape Prices with Python (2026)
[4] https://www.amazon.com.br/Cointeligência-vida-trabalho-com-IA/dp/8551013157 — Cointeligência: A vida e o trabalho com IA
來源:DEV Community · dev.to